人工智能基礎(chǔ)：大數(shù)據(jù)算法模型與應(yīng)用 Algorithms for Big Data

電子工程/集成電路/芯片設(shè)計(jì)

課題背景

算法（Algorithm）是指解題方案的準(zhǔn)確而完整的描述，是一系列解決問(wèn)題的清晰指令，算法代表著用系統(tǒng)的方法描述解決問(wèn)題的策略機(jī)制。也就是說(shuō)，能夠?qū)σ欢ㄒ?guī)范的輸入，在有限時(shí)間內(nèi)獲得所要求的輸出。如果一個(gè)算法有缺陷，或不適合于某個(gè)問(wèn)題，執(zhí)行這個(gè)算法將不會(huì)解決這個(gè)問(wèn)題。不同的算法可能用不同的時(shí)間、空間或效率來(lái)完成同樣的任務(wù)。一個(gè)算法的優(yōu)劣可以用空間復(fù)雜度與時(shí)間復(fù)雜度來(lái)衡量。 算法中的指令描述的是一個(gè)計(jì)算，當(dāng)其運(yùn)行時(shí)能從一個(gè)初始狀態(tài)和（可能為空的）初始輸入開(kāi)始，經(jīng)過(guò)一系列有限而清晰定義的狀態(tài)，最終產(chǎn)生輸出并停止于一個(gè)終態(tài)。一個(gè)狀態(tài)到另一個(gè)狀態(tài)的轉(zhuǎn)移不一定是確定的。隨機(jī)化算法在內(nèi)的一些算法，包含了一些隨機(jī)輸入。 而大數(shù)據(jù)（big data）是指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

課題內(nèi)容

本課程會(huì)介紹一些本科等級(jí)的典型算法設(shè)計(jì)和分析。我們將介紹經(jīng)典算法技術(shù),如動(dòng)態(tài)程序設(shè)計(jì)、散列和數(shù)據(jù)結(jié)構(gòu), 分治算法,網(wǎng)絡(luò)流和線性規(guī)劃。我們還將涵蓋范圍廣泛的分析工具,如recurrences、概率分析,平攤分析和勢(shì)函數(shù)。除了學(xué)習(xí)算法,我們還會(huì)涉及一些復(fù)雜性理論的研究——雙重的算法設(shè)計(jì)（下界方法在這些模型中的顯示和最優(yōu)算法）。最后,我們將討論新模型在現(xiàn)代大型數(shù)據(jù)集下的應(yīng)用,比如在線算法、機(jī)器學(xué)習(xí)和數(shù)據(jù)流。

適合人群

對(duì)計(jì)算機(jī)專業(yè)感興趣的高中生，本科生

修讀計(jì)算機(jī)、電子電氣工程、信息工程等專業(yè)，以及未來(lái)希望在機(jī)器學(xué)習(xí)、算法、編程、數(shù)據(jù)分析等領(lǐng)域從業(yè)的學(xué)生 

具備離散數(shù)學(xué)、概率論基礎(chǔ)的學(xué)生優(yōu)先

教授介紹

卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)系終身教授

1) UCB Simons Institute 數(shù)據(jù)科學(xué)項(xiàng)目創(chuàng)建者及主席

2) IBM Almaden研究中心資深研究員

3)STOC 2013 以及 PODS 2010 最佳學(xué)術(shù)研究論文獎(jiǎng)得主

4)EATCS Presbuger（表彰計(jì)算機(jī)科學(xué)領(lǐng)域年度最卓越的年輕科學(xué)家）獎(jiǎng)得主

課程安排與收獲

10周在線小組科研（總計(jì)72課時(shí)）

網(wǎng)申推薦信

學(xué)術(shù)評(píng)估報(bào)告

項(xiàng)目成績(jī)單

論文成果

* 課時(shí)包含：導(dǎo)師課程36課時(shí)+助教課程30課時(shí)+寫作課程6課時(shí)，不包含先修課課時(shí)
* 完成研究后滿足學(xué)術(shù)條件和教授要求可獲得推薦信，教授將嚴(yán)格按照學(xué)生實(shí)際表現(xiàn)對(duì)學(xué)生進(jìn)行客觀評(píng)價(jià)。